Транскрибация аудио на казахском языке — нейросетью

На чистой студийной записи (новости, профессиональные подкасты) — 92-95%. На записях со смартфона или ноутбука — 88-92%. На звонках и встречах с шумом — 85-90%. Это значительно выше альтернатив: Whisper Large v3 на казахском даёт 75-82%, Google Speech-to-Text не поддерживает официально (распознаёт как «турецкий с ошибками»), Yandex SpeechKit ~85-88%. Voxtral V2 — пока лучший вариант для казахского на рынке.

Да, это популярный сценарий в РК. Бытовая речь часто смешивает оба языка («Мен мынаны айтайын...»). AI автоматически переключается между языками внутри одной фразы. Точность может снижаться на 3-5% по сравнению с одноязычной записью. Если переключений много, рекомендуем явно указать «казахский» в настройках — тогда AI будет «принуждать» казахский даже на спорных моментах с русскими словами.

По умолчанию кириллица (текущий официальный алфавит казахского в РК). Латиница (новая реформа) пока в работе как опция. Если вы хотите получить текст в латинице — пока придётся транслитерировать в постобработке. Мы планируем добавить переключатель алфавита в течение 2-3 месяцев. Для большинства пользователей кириллица более удобна — она поддерживается в Word, Telegram, всех мобильных клавиатурах.

Да, это один из основных кейсов. Расшифровка интервью с экспертом, перевод выступлений политиков на русский, создание субтитров для YouTube-канала, обработка пресс-конференций. Время от записи до готового текста — 2-3 минуты на час аудио. Цена 0,83 ₽/минута на тарифе Старт — это значительно дешевле фрилансера (5-10 ₽/минута в РК). Для медиа-команд тариф Бизнес 2 300 ₽/мес на 5 человек.

Файлы хранятся в Selectel, Москва (зона ru-7) с шифрованием TLS 1.3. Расшифровка идёт через API foundation-моделей с DPA-договором, запрещающим использование данных для обучения. Для большинства бизнес-задач этого достаточно. Если работаете с государственной тайной РК или критически чувствительными данными — мы можем обсудить выделенную инсталляцию (on-premise) для крупных корпоративных клиентов. Свяжитесь с support@dicto.pro для уточнения.

Литературный казахский (телевидение, новости, учебники) — точность 92-95%. Северные диалекты (Костанай, Павлодар) — близки к литературному, точность сохраняется. Южные диалекты (Шымкент, Туркестан) — точность 90-93%, есть отдельные особенности произношения. Западные (Атырау, Актау) — 88-92%. Очень специфичные сельские говоры могут давать 85-88%. Это лучший результат среди доступных AI-сервисов для казахского сегодня.

Пение AI не распознаёт — мелодия искажает фонетику, и модель не обучалась на песнях. Декламированные стихи (без музыки, ритмично прочитанные) — точность 88-93%, ниже обычной речи из-за специфической интонации. Айтыс (импровизированные песенные состязания) — практически не работает, точность 60-70%. Для художественных задач (расшифровка казахской народной музыки, эпоса «Манас» на похожем кыргызском) — лучше брать филолога-специалиста.

В планах. Voxtral V2 уже понимает узбекский и кыргызский на уровне 80-85% (без официальной поддержки), татарский — 75-80%. Мы планируем добавить их в список официально поддерживаемых языков в течение 6 месяцев, после набора достаточной статистики качества. Если вам срочно нужен один из этих языков для бизнеса — напишите на support@dicto.pro, мы можем включить расширенные настройки досрочно.